| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第1章 绪论 | 第9-17页 |
| 1.1 选题背景及意义 | 第9-10页 |
| 1.2 基于数据驱动的随机分布理论在非高斯系统中的研究现状 | 第10-13页 |
| 1.3 信息论在非高斯系统中的研究现状 | 第13-15页 |
| 1.3.1 熵在非高斯系统中的研究现状 | 第14-15页 |
| 1.3.2 生存信息势在非高斯系统中的研究现状 | 第15页 |
| 1.4 本文主要研究内容 | 第15-17页 |
| 第2章 辨识方法与准则函数 | 第17-24页 |
| 2.1 引言 | 第17页 |
| 2.2 辨识方法 | 第17-21页 |
| 2.2.1 超限学习机辨识法 | 第17-19页 |
| 2.2.2 动态神经网络辨识法 | 第19-20页 |
| 2.2.3 子空间辨识法 | 第20-21页 |
| 2.3 准则函数 | 第21-23页 |
| 2.3.1 Renyi熵及信息势 | 第21-22页 |
| 2.3.2 生存信息势 | 第22-23页 |
| 2.4 本章小结 | 第23-24页 |
| 第3章 基于超限学习机的ORC系统过热度辨识 | 第24-35页 |
| 3.1 引言 | 第24页 |
| 3.2 预备知识 | 第24-25页 |
| 3.2.1 Moore-Penrose广义逆 | 第24-25页 |
| 3.2.2 最小范数最小二乘解 | 第25页 |
| 3.3 基于超限学习机的辨识算法 | 第25-28页 |
| 3.3.1 广义单隐层前馈网络(SLFNs) | 第26-28页 |
| 3.3.2 SLFNs的最小范数最小二乘解 | 第28页 |
| 3.4 应用实例 | 第28-34页 |
| 3.5 本章小结 | 第34-35页 |
| 第4章 基于SIP的两步神经网络随机分布控制 | 第35-47页 |
| 4.1 引言 | 第35页 |
| 4.2 两步神经网络结构 | 第35-39页 |
| 4.2.1 基于径向基神经网络的PDF建模 | 第36-37页 |
| 4.2.2 动态神经网络辨识 | 第37-39页 |
| 4.3 基于SIP的控制器设计 | 第39-41页 |
| 4.4 应用实例 | 第41-46页 |
| 4.5 本章小结 | 第46-47页 |
| 第5章 控制输入受限的分子量分布子空间辨识与控制 | 第47-59页 |
| 5.1 引言 | 第47-48页 |
| 5.2 苯乙烯聚合过程建模及控制方案 | 第48-49页 |
| 5.3 基于子空间辨识法的MWD建模 | 第49-53页 |
| 5.3.1 MWD模型的B样条逼近 | 第49-51页 |
| 5.3.2 MWD的子空间辨识 | 第51-53页 |
| 5.4 带约束最优控制律设计 | 第53-54页 |
| 5.5 应用实例 | 第54-57页 |
| 5.6 本章小结 | 第57-59页 |
| 第6章 结论与展望 | 第59-61页 |
| 参考文献 | 第61-67页 |
| 攻读硕士学位期间发表的论文 | 第67-68页 |
| 致谢 | 第68-69页 |
| 附录-子空间辨识法的状态序列估计 | 第69-70页 |